مدل سازی ریاضی و حل مساله برنامه ریزی تولید ادغامی، نگهداری و تعمیرات پیشگیرانه با محدودیت منابع انسانی

الموضوعات :

محمد شریف زادگان ¹ (گروه مهندسی صنایع، واحد مسجد سلیمان، دانشگاه آزاد اسلامی، مسجد سلیمان، ایران)
عادل پورقادر چوبر ² (گروه مهندسی صنایع، دانشکده مهندسی صنایع و مکانیک، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران،)

تاريخ الإرسال : 20 الخميس , رجب, 1442 تاريخ التأكيد : 07 الإثنين , جمادى الثانية, 1443 تاريخ الإصدار : 28 الخميس , جمادى الأولى, 1444

الکلمات المفتاحية: Keywords: Integrated Production Planning, Human resource planning, Preventive Maintenance,

ملخص المقالة :

نیاز به یکپارچه‌سازی از مدت‌ها پیش موردتوجه پژوهشگران و مدیران صنایع بوده است. ازاین‌رو برخی از پژوهشگران به دنبال ایجاد هماهنگی و یکپارچه‌سازی تولید و نگهداری و تعمیرات بودند، مباحث یکپارچه‌سازی برنامه ریزی ادغامی تولید، نگهداری و تعمیرات و کنترل کیفیت با دیگر بخش‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های سیستم های تولیدی و صنعتی باعث کاهش هزینه ها و افزایش سودآوری سازمان های تولیدی می شود. بر این اساس، در این پژوهش به ادغام‌‌سازی و پیوستگی در برنامه ریزی هم زمان حوزه های تولیدی و پشتیبانی در سازمانهای تولیدی پرداخته شده‌است. این حوزه‌ها شامل برنامه زمانبندی تولید، نگه‌داری و تعمیرات پیشگیرانه و منابع انسانی می‌باشد. در اینرو ارائه‌ مدل بهینه سازی ریاضی با هدف برنامه ریزی نیروی انسانی و افزایش حجم تولیدات شرکت با در نظر گرفتن محدودیت منابع انسانی ارائه‌شده‌است. در این مدل مهارت پرسنل، نرخ استفاده از تجهیزات و نرخ از کارافتادگی تجهیزات در حالت عدم قطعیت با روش فازی در پارامترهای مدل استفاده شده است. هدف مدل پیشنهادی حداقل سازی کسر نیروی کار برکارایی تولید است. نتایج کسب شده از پیاده‌‌سازی در یک سازمان تولیدی از مقایسه حل غیر قطعی و فرا ابتکاری نشان از بهبود در تولیدات شرکت با حداقل زمان معقول و منطقی، جواب‌هایی با حداقل خطای ممکن ارائه می دهد. با انجام تحلیل حساسیت مشاهده می شود که نرخ از کارافتادگی تجهیزات در بازه های قبل و بعد از فرایند نگهداری و تعمیرات پیشگیرانه، باعث تاثیر بسیار زیاد بر مقدار تابع هدف مدل ریاضی دارد.

المصادر:

 

• M.J. Mirzapour Al-e-Hashem, M.B. Aryanezhad, S.J. Sadjadi. An efficient algorithm to solve a multi-objective robust aggregate production planning in an uncertain environment, International Journal of Advance Manufacturing Technology, 58. 765–782 (2012)

 

• R. Moghadam, O. Yousefi, M. Karbasian, B. Khayambashi. Integrated production-distribution planning in a reverse supply chain via multi-objective mathematical modeling; case study in a high-tech industry, Journal of Production and Operations Management, 9(2), 1-22 (2019)

 

• Berrichi, L. Amodeo, F. Yalaoui, E. Châtelet, M. Mezghiche. Bi-objective optimization algorithms for joint production and maintenance scheduling: application to the parallel machine problem. Journal of Intelligent Manufacturing, 20(4), 389 (2009)

 

• Xiang, C.R. Cassady, T. Jin, C.W. Zhang. Joint production and maintenance planning with machine deterioration and random yield, International Journal of Production Research, 52 (6), pp. 1644-1657 (2014)

 

• Gholamian, I. Mahdavi, R. Tavakkoli-Moghaddam, N. Mahdavi-Amiri. A comprehensive fuzzy multi-objective multi-product multi-site aggregate production planning decisions in a supply chain under uncertainty, Applied Soft Computing, 37. 585-607 (2015)

 

• Nourelfath, N. Nahas, M. Ben-Daya. Integrated preventive maintenance and production decisions for imperfect processes. Reliability engineering & system safety, 148, 21-31 (2016)


• Ettaye, A. El Barkany, A. El Khalfi. Modeling and optimization a production/maintenance integrated planning. In International Journal of Engineering Research in Africa (Vol. 28, pp. 169-181) (2017)

 

• Ekin, Integrated maintenance and production planning with endogenous uncertain yield. Reliability Engineering & System Safety, 179, 52-61 (2018)

 

• Hamrol. A new look at some aspects of maintenance and improvement of production processes. Management and Production Engineering Review, 9 (2018)

 

• Glawar, M. Karner, T. Nemeth, K. Matyas, W. Sihn. An approach for the integration of anticipative maintenance strategies within a production planning and control model. Procedia CIRP, 67, 46-51 (2018)

 

• Schreiber, J. Klöber-Koch, C. Richter, G. Reinhart. Integrated Production and Maintenance Planning for Cyber-physical Production Systems. Procedia CIRP, 72, 934-939 (2018)

 

• Yang, W. Li, B. Wang. Joint optimization of preventive maintenance and production scheduling for multi-state production systems based on reinforcement learning. Reliability Engineering & System Safety, 214, 107713. (2021)

 

• Bensmain, M. Dahane, M. Bennekrouf, Z. Sari. Preventive remanufacturing planning of production equipment under operational and imperfect maintenance constraints: A hybrid genetic algorithm based approach. Reliability Engineering & System Safety, 185, 546-566 (2019)

 

• Lu, J. Pei, X. Liu, P. M. Pardalos. A hybrid DBH-VNS for high-end equipment production scheduling with machine failures and preventive maintenance activities. Journal of Computational and Applied Mathematics, 384, 113195. (2021)

 

• Shariatmadari Serkani, F. Hosseinzadeh Lotfi, E. Najafi, M. Ahadzadeh Namin. Efficiency Measurement for Hierarchical Network Systems Using Network DEA and Intuitionistic Fuzzy ANP. Scientia Iranica, -. doi: 10.24200/ 54619.3836 (2020)

 

• Bahria, I. Harbaoui Dridi, A. Chelbi, H, Bouchriha. "Joint design of control chart, production and maintenance policy for unreliable manufacturing systems", Journal of Quality in Maintenance Engineering, 27 (4), 586-610 (2021)

 

• Saha, A. Azeem, K. W. Hasan, S. M. Ali, S. K. Paul. Integrated economic design of quality control and maintenance management: Implications for managing manufacturing process. International Journal of System Assurance Engineering and Management, 12(2), 263-280 (2021)

 

• Y. Jaber, Z. S. Givi, W. P. Neumann. Incorporating human fatigue and recovery into the learning–forgetting process. Applied Mathematical Modelling, 37(12-13), 7287-7299 (2013)

 

• Goli, E. B. Tirkolaee, N. S. Aydin. Fuzzy integrated cell formation and production scheduling considering automated guided vehicles and human factors. IEEE Transactions on Fuzzy Systems (2021)